标签：

作者Rgb

在这之前大部分物体检测算法都是基于传统的图像处理方法，这是第一篇将深度学习用到物体检测上的文章，直接影响是2012年ALEXNET在比赛中的重大成功。

简单来说，RCNN使用以下四步实现目标检测：

a. 在图像中用slective search 方法 确定约1000-2000个候选框

具体为什么使用这个方法，原文在第三页中有说While R-CNN is agnostic to the particular region proposal method, we use selective search to enable a controlled comparison with prior detection work。意思是R-CNN和区域选择方法并没有联系，对任何选择方法都是兼容的，这里选用SS目的是方便于同之前别人的工作进行对比。

b. 对于每个候选框内图像块，使用深度网络提取特征，得到一个固定长度的特征向量

We extract a 4096-dimensional feature vector from each region proposal using the Caffe implementation of the CNN described by Krizhevsky etal.这里很清楚的说了，作者就是用了AlexNet的网络结构最好提取4096维的一维向量，作为特征向量。

输入去均值化的227×227 RBG通道图片，然后经过5个卷积2个全连接。因为经过SS得到的候选框大小不一，但是CNN要求的输入必须是227×227的。这里就涉及到几种归一化方法。原论文在第11页给出了几种填充和缩放方法。这里方法的选择会影响3-5mAP。作者这里使用了在得到原始的proposal region之后，再在原始图片中选取p=16的像素作为背景扩充，即向外扩展BBX的边界，然后进行wrap到227*227。

这里设计到CNN模型的训练问题。

论文中采用的办法是直接使用alexnet之前训练好的模型参数，去掉最后一层1000个分类，换成你想要的分类数量+1，因为背景也要算是一类。这里使用了迁移学习，在alexnet的基础上进行finetune。训练数据使用的是进行wrap之后得到的proposal region，对于某个类别，认为iou大于0.5为正样本，否则为负样本，每个batch为128，32个正样本（包含20个类别），96个负样本。然后使用SGD进行训练。这样我们就完成了对CNN的调优，这样得到的CNN模型，可以用于提取特征。将提取到的特征在用于SVM训练。这里论文中提到了一句说训练SVM时，样本很大内存无法容纳，使用了一种hard negative mining method的方法，这里还没有搞清楚。

c. 对候选框中提取出的特征，使用SVM二分类器判别是否属于一个特定类

这里对SVM进行训练也涉及到正负样本的问题，这里的对于负样本的判断同CNN不同，从0-0.5，间距为0.1，发现0.3的效果最好，即IOU低于0.3则为负样本。正样本的定义也不一样，当BBX把整个物体都包括进去的时候，才认为是正样本。

论文的附录B讨论了，为什么这里CNN的finetune和SVM的训练使用不同的正负样本标准？

因为作者最初训练SVM的时候，并没有使用cnn上进行 finetune之后的特征，而是直接使用ImageNet pre-trained CNN，发现论文中现在使用的SVM的训练样本标准是最优的；然后后来又考虑使用finetune之后，发现使用同样的正负样本标准，结果很差。

还讨论了最后为什么要用SVM，而不是直接使用softmax分类回归？因为这样mAP下降了。

对于每个类别的物体，将提取的特征使用SVM进行打分。对于所有打分超过阈值的区域进行极大值抑制算法再次进行筛选,排除同一个物体出现多个回归框的问题。

d. 对于属于某一特征的候选框，用回归器进一步调整其位置

给定了一个目标函数，好像用了岭回归和权值的L2范数，来确定BBX的映射结果。

遗留问题：

1 SVM具体训练实现细节

2 回归框的训练方法

标签：
来源： https://blog.csdn.net/crazyeden/article/details/82866951

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。